问题遇到的现象和发生背景 使用sklearn保存pmml文件时提示RuntimeError: The SkLearn2PMML application has failed. The Java exe

sklearn的roc_curve函数中，传入的第一个参数是y_test，即实际值，传入的第二个参数为什么不是预测出的一系列{0，1}的数组，而是对样本预测结果的概率值呢？

使用bertopic计算主题模型，在colab上运行脚本生成模型保留后，回本地使用Bertopic.load()加载模型时出现报错：No module named 'sklearn.metrics._

问题遇到的现象和发生背景 使用sklearn和lightGBM进行训练，在进行随机搜索时，出现问题： 问题相关代码，请勿粘贴截图 import random from sklearn.model

y should be a 1d array, got an array of shape (30, 3) instead this_test_y就是一个（30,）的数组，不知道问题出在哪里了，

安装sklearn一直是版本0.0 (base) C:\Users\admin>pip3 install sklearn 运行结果及报错内容 Requirement already satis

问题遇到的现象和发生背景 我现在是在使用Python的sklearn做GBDT，现在主要遇到的问题是：使用交叉验证得到最优模型。但问题是我不知道怎么使用k折的交叉验证得到最优模型。因为k折的交叉验证是

问题报错TypeError: init() takes 1 positional argument but 2 positional arguments (and 2 keyword-only arg

train test split没办法从sklearn导入怎么办

运行sklearn的GBDT时，使用.fit()函数总是出现错误，一直没出现结果，且程序无中断一直运行，手动停止后出现以下提示： 问题相关代码，请勿粘贴截图 import cv2 import nu

boston = load_boston()data=boston.dataprint(boston.feature_names) 显示特征名：['CRIM' 'ZN' 'INDUS' 'CHAS'

x轴是1到12y轴是20W到50W打算用非线性回归的相关库来预测数据from sklearn.linear_model import LinearRegressionfrom sklearn.prep

 #问题遇到的现象和发生背景对人口普查数据 分析，但是数据分割后，进行训练，出现错误。采用的训练模型为SGDClassifier #问题相关代码，请勿粘贴截图from sklearn.linear_m

有人知道怎么解决吗，刚开始学机器学习，但是代码都运行不了了。

问题遇到的现象和发生背景 第一次学习使用sklearn库，库自带的数据可以，但用了我自己爬取的数据就不行了，希望有人能指点一下，非常感谢。 问题相关代码，请勿粘贴截图 代码 encoder = One

使用下面的程序绘制的ROC曲线是有很多棱角的，我想获得平滑的曲线该怎么办呢 import numpy as np import matplotlib.pyplot as plt from sklear

问题遇到的现象和发生背景 题目要求只为categorical features建立preprocessing pipelines使用 'NA' 字符串计算缺失值：SimpleImputer(missi

运行fasttext形成文本的时候，出现了下面的问题： # coding=utf-8 import pandas as pd import numpy as np import fasttext fr

用shap进行feature extraction 的时候，出现了报错： X_test_arr = X_test.toarray() AttributeError: 'numpy.ndarray'

之前报的是lower的问题，加上fillna("")以后解决了问题，但是出现了新的问题： vectorizer = TfidfVectorizer(min_df=0.005, max_df=0.98,

Plot LSA的时候出现了下面的 ： from sklearn.decomposition import PCA, TruncatedSVD from sklearn.linear_model im

在跑LR分类的时候，遇到了以下的问题： from sklearn.model_selection import train_test_split from sklearn.feature_extrac

最近在看sklearn的PCA，看到两篇帖子在pca = PCA(n_components= ？)的代码上有不同的解释。第一篇说n_component是百分比，意味着多大比例的主成分被提取，例如pca

用了一个新的数据集，跑的也是之前跑过的代码，可是出现了问题： # coding=utf-8 import pandas as pd import numpy as np import fasttext

问题遇到的现象和发生背景 在跑LDA模型的时候报错，应该是在tf-idf向量化的时候报错的。 问题相关代码 n_features = 1000 #提取1000个特征词语 tf_vectorizer

实验内容： （1）从sklearn.datasets 导入 load_breast_cancer()，load_iris()，load_digits()三个数据集。 （2）从sklearn中导入逻辑回

问题相关代码，请勿粘贴截图 import os import jieba import pandas as pd import numpy as np from sklearn.feature_ext

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import

问题遇到的现象和发生背景 今天在做建模分析的时候，用到随机森林处理多分类问题，最后画出的ROC曲线很奇怪，想知道这是什么原因造成的。 问题相关代码 import numpy as np from

背景 用python做线性回归时,LinearRegression()括号内没有结果，尝试了重启，重写，都没法运行，请各位帮忙看看，才开始学python，要哭了 代码如下: from sklearn